聪明反被聪明误:ChatGPT错误内容生成的类型学分析

被引:41
作者
方师师 [1 ,2 ]
唐巧盈 [1 ]
机构
[1] 上海社会科学院新闻研究所
[2] 上海社会科学院互联网治理研究中心
关键词
ChatGPT; 内容生成; 类型学; 人工智能;
D O I
暂无
中图分类号
TP18 [人工智能理论]; G206 [传播理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ; 050302 ;
摘要
大量使用实践和用户体验发现,基于ChatGPT的内容生成会出现多种错误形态,本文对此进行了类型学分析。研究发现,基于ChatGPT生成的错误内容可以从“错误事实”与“错误认知”的双重角度进行维度提取,存在事实错误、逻辑错误、推理错误、编程错误、文本输出、过度拟合、综合问题7大类别,并从“可核验性、可证明性、可体验性、可识别性”4个维度进行认知与测量。本文从系统内部性和系统外部性两个方向对ChatGPT的错误内容生成进行了解释与分析,并提出了未来可供探索的研究议程。
引用
收藏
页码:31 / 42
页数:12
相关论文
共 8 条
[1]   作为媒介性的生成性:作为世界的媒介 [J].
胡翼青 ;
谌知翼 .
新闻记者, 2022, (10) :3-15
[2]  
技术的本质[M]. 浙江人民出版社 , (美) 阿瑟, 2014
[3]  
What ChatGPT and generative AI mean for science[J] . StokelWalker Chris,Van Noorden Richard.Nature . 2023 (7947)
[4]   A systematic literature review on disinformation: Toward a unified taxonomical framework [J].
Kapantai, Eleni ;
Christopoulou, Androniki ;
Berberidis, Christos ;
Peristeras, Vassilios .
NEW MEDIA & SOCIETY, 2021, 23 (05) :1301-1326
[5]   Artificial Intelligence in Service [J].
Huang, Ming-Hui ;
Rust, Roland T. .
JOURNAL OF SERVICE RESEARCH, 2018, 21 (02) :155-172
[6]   Can we trust Big Data? Applying philosophy of science to software [J].
Symons, John ;
Alvarado, Ramon .
BIG DATA & SOCIETY, 2016, 3 (02) :1-17
[7]  
谷歌. .
[8]  
Language models are few-shot learners. Brown T,Mann B,Ryder N,et al. Advances in Neural Information Processing Systems . 2020